長江經濟帶耕地碳排放時空格局演變及其影響因素

劉璇 孫燕 馬靜 張天旺 陳浮

劉 璇，孫 燕，馬 靜，等. 長江經濟帶耕地碳排放時空格局演變及其影響因素［J］. 湖北農業科學，2024，63（2）：1-7．

摘要：為厘清耕地綠色利用狀況，采用IPCC碳排放系數法測算2000—2020年長江經濟帶129個地級市耕地碳排放，利用空間自相關分析揭示耕地碳排放時空特征演化，運用LMDI模型分解各影響因素的貢獻。結果表明，2000—2020年長江經濟帶耕地碳排放量在時間上呈下降趨勢，呈“保持穩定—快速增長—緩慢增長—緩慢下降”四個階段；在空間上呈中、東部高，西部低的態勢，存在顯著的全局空間自相關，局部高-高聚集區分布于長江中下游地區，低-高聚集區分布于中游地區，低-低聚集區則主要分布于上游地區；區域內農業碳排放的促進因素是農業經濟水平，抑制因素主要是農業生產效率，其次是農業生產結構，最后是農業勞動力規模。為此，長江經濟帶耕地碳排放的時空差異顯著，各地區應因地制宜制定碳減排策略和土地利用管制規劃，提升農業生產效率，優化農業種植結構，加強區域聯動，推進低碳農業協同發展。

關鍵詞：長江經濟帶；耕地碳排放；時空格局；空間自相關；LMDI模型

中圖分類號：F323；X22? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）02-0001-07

DOI：10.14088/j.cnki.issn0439-8114.2024.02.001 開放科學（資源服務）標識碼（OSID）：

Spatiotemporal pattern evolution and influencing factors of carbon emissions from arable land in the Yangtze River Economic Belt

LIU Xuana， SUN Yana， MA Jinga， ZHANG Tian-wangb， CHEN Fua

（a. College of Public Management；b. College of Energy and Electrical Engineering， Hohai University， Nanjing? 211100， China）

Abstract： To clarify the green utilization of arable land， the IPCC carbon emission coefficient method was used to calculate the carbon emissions of arable land in 129 prefecture-level cities of the Yangtze River Economic Belt from 2000 to 2020. Spatial autocorrelation analysis was used to reveal the spatiotemporal evolution of arable land carbon emissions， and the LMDI model was used to decompose the contributions of various influencing factors. The results showed that from 2000 to 2020， the carbon emissions from arable land in the Yangtze River Economic Belt showed a downward trend over time， showing four stages， such as “maintaining stability—rapid growth—slow growth—slow decline”. In terms of space， there was a trend of high in the middle and east and low in the west， with significant global spatial autocorrelation. Local high-high clustering areas were distributed in the middle and lower reaches of the Yangtze River， low-high clustering areas were distributed in the middle reaches， and low-low clustering areas were mainly distributed in the upstream area. The promoting factor for agricultural carbon emissions within the region was the level of agricultural economy， while the inhibiting factor was mainly agricultural production efficiency， followed by agricultural production structure， and finally the scale of agricultural labor force. Therefore， there was a significant spatiotemporal difference in carbon emissions from arable land in the Yangtze River Economic Belt. Each region should develop carbon reduction strategies and land use control plans according to local conditions， improve agricultural production efficiency， optimize agricultural planting structure， strengthen regional linkage， and promote the coordinated development of low-carbon agriculture.

Key words： Yangtze River Economic Belt； carbon emissions from arable land； spatial-temporal pattern； spatial autocorrelation；? LMDI model

當前，人類生存環境與生態安全受到全球氣候變化和極端氣候嚴重影響，消減溫室氣體排放迫在眉睫。中國鄭重承諾2030年前碳達峰、力爭2060年實現碳中和，未來雙碳行動的核心要義就是在綠色轉型中實現更大發展，推進碳達峰、碳中和是新時代經濟社會轉型發展的“新長征”。全球農業碳排放約占全部的1/4，中國農業溫室氣體排放約占全部的17%^［1］。長江經濟帶是國家生態文明建設的先行示范區，也是中國重要的糧食主產區，推動農業綠色發展與低碳轉型是踐行“新長征”的最優路徑。

近幾年耕地碳排放成為學術研究的熱點之一，主要集中于以下四個方面：第一，碳排放量的測算。孫軼男等^［2］運用IPCC對黑龍江省的農地利用碳排放量進行估算；熊子昕等^［3］利用碳排放系數法估算了中國長江中游城市群耕地碳排放情況；第二，碳排放效率的測算。李依涵等^［4］基于交叉DEA模型評估了長江經濟帶2013—2017年耕地碳排放效率；馬愛玲等^［5］運用非期望產出的SBM超效率模型對甘肅省的耕地碳排放效率進行評估；第三，碳排放的時空演化特征及未來趨勢預測。孫康等^［6］使用灰色GM（1，1）模型對河南省2021—2030年的種植業碳排放發展趨勢進行預測；文高輝等^［7］運用SBM-Undesirable模型，基于縣級尺度揭示了洞庭湖區耕地利用碳排放和生態效率的時空規律。第四，耕地碳排放影響因素研究。李波等^［8］和田成詩等^［9］在分析中國耕地碳排放時空特征的基礎上，指出經濟增長是耕地碳排放量增加的關鍵動因。蔣金荷^［10］根據Kaya恒等式建立碳排放量關系式分析碳排放驅動的影響因素，并探討主要因素對未來中國碳排放強度變化的影響趨勢。相關學者對耕地碳排放進行了諸多研究，但多數基于全國或省級行政單元，對具有獨特特征的經濟帶或流域很少關注。

長江經濟帶作為中國最大的經濟帶，地域跨度大，農業生產條件復雜，碳排放影響因素差異有待進一步研究。為此，本研究對長江經濟帶129個地級市耕地碳排放展開測算，利用空間自相關模型探索長江經濟帶耕地碳排放的時空差異，并運用LMDI模型分解了長江經濟帶耕地碳排放的影響因素，以期為長江經濟帶農業綠色發展與低碳轉型提供決策參考。

1 材料與方法

1.1 研究區概況

長江經濟帶覆蓋上海、浙江、江蘇、安徽、湖北、湖南、江西、重慶、四川、貴州、云南等9個省和2個直轄市，面積約205萬km²，人口和GDP超過全國的40%，是國家重大戰略發展區域^［11］。2018年中央要求充分發揮長江經濟帶的區位優勢，以生態綠色發展為引領，帶動長江上中下游協調發展。區域內農業發展態勢良好，現代化水平高，但區域差異顯著。本研究選取長江經濟帶129個地級市為研究對象，探求區域耕地利用碳排放的時空演變及影響因素。

1.2 數據來源與處理

主要數據為2000—2020年長江經濟帶129個地級市農業統計數據，包含農村勞動力、翻耕面積、灌溉面積、化肥施用量、農藥使用量、農膜使用量、農業機械總動力和農用柴油使用量等。其中，翻耕面積為農作物實際種植面積，灌溉面積為有效灌溉面積，化肥施用量為化肥折純量，農膜使用量為農用塑料薄膜量。原始數據來源于長江經濟帶9省2市相應年份統計年鑒及129個地級市統計年鑒、《中國區域經濟統計年鑒》《中國農村統計年鑒》《長江經濟帶統計年鑒》《中國環境統計年鑒》和《中國水利統計年鑒》。地圖數據來源于國家地理信息公共服務平臺（https：//www.tianditu.gov.cn/）。存在少量數據缺失，采用線性插補法或平均插補法補全。

1.3 研究方法

1.3.1 耕地碳排放計算方法 本研究采用IPCC法計算耕地碳排放，主要原因是方法簡單，所需數據與統計數據對應，且便于年度對比分析。耕地碳排放有幾個方面：一是農業生產活動中化肥、農藥、農膜等使用，直接或間接引發的碳排放；二是農業生產中使用機械消耗柴油或電力引發的碳排放；三是土地利用產生的土壤碳流失^［12］。參考李波等^［8］對耕地碳排放的測算方法，從農業物資投入、土地翻耕、灌溉三個方面估算耕地碳排放，并結合碳排放經驗系數（表1），運用IPCC算法估算耕地碳排放。具體計算公式如下：

C=ΣC_i=ε_i×Σe_i（1）

式中，C為耕地碳排放總量，C_i為第i類碳排放源的碳排放量，ε_i為各類碳排放源的碳排放系數，e_i為各類碳排放源的數量。

1.3.2 空間自相關分析 任何事物之間均存在著一定關聯，且距離遠近與事物的關聯性存在聯系?？臻g自相關分析就是判斷具有空間位置的某一要素的觀測值與其相鄰空間內的觀測值關聯顯著度，即檢驗是否具有聚集效應^［16］。長江經濟帶耕地碳排放是否存在聚集特性，本研究運用空間自相關模型探討129個地級市耕地碳排放的空間關聯性。

1）全局空間自相關。全局空間自相關是對屬性值在整個區域內空間特征的描述^［17］，采用全局Morans I指數測算長江經濟帶各地級市耕地碳排放量的全局空間關聯程度。計算模型如下^［18］：

采用標準化Z值檢驗Morans I指數的顯著性水平，計算公式如下：

式中，E（I）表示Morans I指數的期望值，VAR（I）表示其方差。

全局Morans I指數的取值范圍為［-1，1］，若Morans I=0，表示各地級市之間耕地碳排放不存在全局空間自相關性；若Morans I>0，表示長江經濟帶鄰近地級市耕地碳排放量呈正自相關，即呈高-高聚集或低-低聚集特性；若Morans I<0，表示鄰近地級市耕地碳排放量呈負自相關，即呈高-低或低-高分散特性。當Z_score>1.96或Z_score<-1.96（α=0.05）時，即可以表明各地級市的耕地碳排放量存在顯著的空間自相關性^［16］。

2）局部空間自相關。全局空間自相關只能描述整體的聚集特性，局部空間自相關則能更準確地描述各地理單元與其相鄰單元之間的關聯度，計算模型如下^［19］：

3）耕地碳排放影響因素分解。分解耕地碳排放影響因素的模型主要有STIRPAT模型、Tobit模型、Kaya公式與LMDI模型等，其中LMDI模型以Kaya公式為基礎，具有不產生殘差、支持多因素分解且分解分析完全等優勢。劉麗娜等^［20］運用LMDI模型同時對人口規模、生產效率、結構因素等多個耕地碳排放影響因素進行分析，定量剖析各因素貢獻度的同時實現了零殘差效果。采用LMDI模型將長江經濟帶耕地碳排放的驅動因子分解為農業生產效率、農業生產結構、農業經濟水平和農業勞動力規模，具體計算公式如下^［21］：

式中，C_總為耕地碳排放總量，PGDP為種植業生產總值，AGDP為農林牧漁業生產總值，PEO為農業勞動力規模，EI、CI、SI分別為農業生產效率、農業經濟水平和農業生產結構，則有：

C_總=EI×CI×SI×PEO? ? ? ? ? ? ?（6）

等式兩邊取對數并采用加法和解，得到各因素貢獻值的表達式如下：

ΔC_總=ΔEI+ΔCI+ΔSI+ΔPEO?（11）

式中，ΔC_總表示基期到第t期的耕地碳排放總量變化，ΔEI、ΔCI、ΔSI、ΔPEO分別表示從基期到第t期的農業生產效率、農業經濟水平、農業生產結構和農業勞動力規模對種植業碳排放的貢獻值。

2 結果與分析

2.1 長江經濟帶耕地碳排放時空差異

2.1.1 長江經濟帶耕地碳排放的時間特征 由式（1）計算得到長江經濟帶2000—2020年耕地碳排放總量，結果如圖1所示。長江經濟帶耕地碳排放時序變化相對平緩，2000—2014年由2 663.8萬t增長到3 273.3萬t，呈緩慢上升趨勢，年均增幅43.5萬t，年均增長率為1.48%；2014—2020年耕地碳排放總量下降至2 877.4萬t，年均降幅65.98萬t，年均增長率為-2.13%。根據耕地碳排放量的變化趨勢，可以大致分為四個階段：第一階段，2000—2006年，碳排放總量基本維持不變；第二階段，2006—2009年，長江經濟帶耕地碳排放總量以較快速率上升，環比增速始終保持在2.5%以上；第三階段，2010—2014年，長江經濟帶耕地碳排放總量上升趨勢放緩，環比增長率維持在1%左右；第四階段，2015—2020年，耕地碳排放總量逐步下降，2020年降至2 877.4萬t?？梢?，長江經濟帶從十二五階段加強了對碳排放的調控力度并取得了一定成效，但2014年后耕地碳排放量的環比下降率僅維持在2%左右，碳排放量仍有下降空間。

長江經濟帶單位GDP耕地碳排放量整體呈下降趨勢，從2000年的301.0 kg/萬元下降至2020年的94.6 kg/萬元，年均降幅10.32 kg/萬元，年均增長率? -5.62%。單位耕地面積碳排放量2000—2020年從423.7 kg/hm²緩慢上升至428.3 kg/hm²，年均增幅0.23 kg/hm²，年均增長率0.05%（圖2）。

2.1.2 長江經濟帶耕地碳排放的空間特征

1）長江經濟帶耕地碳排放的空間分布格局。采用ArcGIS軟件對長江經濟帶2005、2010、2015、2020年的耕地碳排放空間分布情況進行研究（圖3）。長江經濟帶區域跨度較大，各省市之間的耕地碳排放存在一定的差異，整體呈中、東部高，西部低的態勢，長江中下游地帶耕地碳排放明顯高于上游。從省域看，湖北、安徽、江蘇三省年均耕地碳排放量超過400萬t，其中江蘇省高達445.93萬t/年；僅有四川省、江蘇省與上海市的耕地碳排放相對于基期呈下降趨勢，降幅分別為13.9%、6.1%和26.8%。其余省份均有不同程度的上升，其中重慶市增幅高達35%。從市域看，129個地級市中有5個年均耕地碳排放量高于50萬t，分別為重慶市118.28萬t/年、鹽城市77.31萬t/年、徐州市77.22萬t/年、襄陽市62.56萬t/年、宿州市51.52萬t/年，多位于長江下游地帶；有53個地級市耕地碳排放相對于基期呈下降趨勢，有4個地級市的耕地碳排放降幅超過50%，分別是紹興市72.4%、蘇州市63.6%、南京市60.7%和鎮江市53.4%。但仍有76個地級市碳排放量相對基期升高，其中上、中、下游的城市占比分別為28.9%、38.2%和32.9%。

2）長江經濟帶耕地碳排放的空間聚集效應。為探究各地級市耕地碳排放是否具有空間關聯性，采用全局MoranI指數對長江經濟帶耕地碳排放的空間聚集效應進行分析（表2）。2000—2020年長江經濟帶耕地碳排放全局MoranI指數取值為0.113～0.222，其中2001—2020年P小于0.01，僅有2000年P為0.027；當P小于0.05時，Z均高于1.65，當P小于0.01時，Z均高于2.58，因此均在1%或5%的顯著性水平上通過了Z檢驗。表明2000—2020年長江經濟帶耕地碳排放量存在顯著的全局空間自相關性，且隨著時間演進，耕地碳排放全局MoranI指數逐漸減小，各地級市間耕地碳排放的空間關聯性逐漸減弱，聚集效應逐漸減弱。

為探究長江經濟帶耕地碳排放是否存在空間異質性、異常值或強影響點，結合LISA聚集圖進行局部空間自相關分析，發現各地級市的耕地碳排放呈高-高聚集、高-低聚集、低-高聚集和低-低聚集四種類型（圖4）。高-高聚集區集中分布于長江中下游，江蘇、安徽、湖北一帶，分布區有所擴張，典型城市如鹽城、淮安、宿州等，年均耕地碳排放量在30萬t以上，區域內應加強生態農業建設，引導化肥農藥等高碳排農業物資的合理使用，優化土地利用模式；高-低聚集區在2005年主要分布于重慶市，其年均耕地碳排放量118.28萬t，遠超周邊地帶，2005—2020年高-低聚集區逐漸縮小至消失，可見長江中上游的區域聯動碳減排取得了一定成果，相鄰區域之間減排策略的直接互動發揮了作用；低-高聚集區主要分布于長江中上游，湖北、四川、云南一帶，典型城市如十堰、廣安等，該類地區年均耕地碳排放量均在20萬t以下，低碳農業發展水平較高，應加強與周邊城市的聯動與合作，帶動碳減排的協同發展；低-低聚集區主要分布于長江上游地帶及下游的安徽、浙江等地，典型城市如麗江、杭州、宜城等，該類地區耕地碳排放量普遍偏低，未來應繼續發揮聚集效應，推動長江經濟帶的農業綠色轉型。

2.2 長江經濟帶耕地碳排放影響因素分析

2000—2020年，長江經濟帶耕地碳排放累計增長213.6萬t，其中農業經濟水平是主要的增排因素，累計增排5 107.6萬t，而農業生產效率、農業生產結構和農業勞動力規模則分別實現了3 608.1萬、? ?1 091.7萬、194.2萬t的碳減排（圖5）。

農業經濟水平是導致耕地碳排放量上升的主要因素，平均貢獻率高達40.33%，貢獻率整體平穩（圖6）。長江經濟帶是中國農業主產區，農戶在經濟利益的驅動下，對高碳農業物資的投入強度不斷提高。2000—2020年，長江經濟帶化肥（折純）的年均增幅為51 845.99 t，農藥年均增幅為-2 769.4 t，農用薄膜年均增幅99 983.36 t，農用柴油和機械動力的年均增幅分別為7 023.32 t、1 895 983.65 kW。因此長江經濟帶應在保持農業生產規模與農業經濟發展速度不受抑制的前提下，合理優化農業生產要素的投入，實現經濟與生態的共贏。

農業生產效率是實現長江經濟帶碳減排的關鍵因素，平均貢獻率為-28.49%。2000—2020年，單位種植業GDP的碳排放量呈下降趨勢，農業生產效率對于碳減排的貢獻率呈上升趨勢。2014年后，耕地碳減排的效力逐年增加。長江經濟帶未來應繼續提高耕地利用集約化、機械化、標準化的水平，完善基礎設施建設，貫徹農業綠色環保轉型政策。

農業生產結構對長江經濟帶耕地碳排放具有抑制作用，平均貢獻率為-8.62%，呈緩慢上升趨勢。2000—2020年，長江經濟帶農業占農林牧漁總產值比重由91%下降至61%，糧食作物種植面積占比由69.8%下降至58.6%?？梢婇L江經濟帶的產業結構與農業種植結構正在逐步優化，種植業的碳匯功能不斷增強，從源頭減少了耕地碳排放。

農業勞動力規模對長江經濟帶耕地碳排放的影響作用不顯著，平均貢獻率為-1.53%。2000—2020年，長江經濟帶有效耕地面積由62 867.92 hm²下降至57 183.21 hm²，農業從業人員的數量由23 171.87萬人下降至21 747.68萬人，農地集中化程度上升、規范化種植效率提高，一定程度上降低了耕地碳排放。隨著現代化的發展，農戶傳統的耕作理念發生轉變，科技水平逐步提升，農業勞動力規模仍具有較大的挖掘潛力，對耕地碳減排的作用將日益顯著。

3 小結與討論

本研究運用IPCC碳排放系數法對長江經濟帶129個地級市的耕地碳排放進行測算，探析了該區域耕地碳排放的時空演變規律及影響因素，得出以下結論。

1）2000—2020年，長江經濟帶的耕地碳排放量累計增長213.6萬t，2014年后呈下降趨勢，表現為“保持穩定—快速增長—緩慢增長—緩慢下降”四個階段；單位GDP碳排放量整體呈下降趨勢，由301.0 kg/萬元下降至94.6 kg/萬元；單位耕地面積碳排放量由423.7 kg/hm²緩慢上升至428.3 kg/hm²。

2）長江經濟帶耕地碳排放在空間上表現為中、東部高，西部低，中下游地帶耕地碳排放明顯高于上游。比較各區域耕地碳排放動態差異，發現紹興、蘇州、南京等53個地級市耕地碳排放相對于基期呈下降趨勢。長江經濟帶耕地碳排放存在顯著的全局空間關聯，高-高聚集區分布于長江中下游地帶，2015年后逐步收縮；低-高聚集區分布于中游地帶，呈先擴張后逐步收縮的趨勢；低-低聚集區則主要分布于上游地區，呈擴張趨勢。

3）長江經濟帶耕地碳排放的促進因素是農業經濟水平，平均貢獻率高達40.33%；抑制因素主要是農業生產效率，其次是農業生產結構，最次是農業勞動力規模，平均貢獻率分別為-28.49%、-8.62%和-1.53%，各因素之間有較強的關聯性和交互作用。

4）長江經濟帶應深入貫徹綠色發展理念，因地制宜選擇農業綠色轉型方案，制定差異化的碳減排策略和土地利用管制規劃；提升農業生產效率，優化農業種植結構，推動農業化學物資的減量增效；加強區域聯動，推進低-低聚集區擴展，加速低碳農業協同發展，縮小區域差距。

本研究在對長江經濟帶耕地碳排放量化核算的基礎上，對其時空格局和影響因素進行研究。比較長江經濟帶與全國耕地碳排放的時序特征發現，長江經濟帶耕地碳達峰時間早于全國，但二者耕地碳排放趨勢基本一致。2000—2020年長江經濟帶耕地碳排放呈“保持穩定—快速增長—緩慢增長—緩慢下降”四個階段。2010年之前碳排放量的快速增長主要原因是惠農政策的實施導致農業播種面積增加，農業機械化程度提高，化肥農藥等高碳農業物資投入持續增加?！笆濉逼陂g長江經濟帶耕地碳排放的環比增速逐步放緩，因為經過農業粗放式增長，政府加強了對耕地碳排放工作的重視，出臺了《“十二五”節能減排綜合性工作方案》等轉型方案^［19］。至2014年長江經濟帶耕地碳排放實現碳達峰，而徐玥等^［22］測算的全國耕地碳排放于2015年達到峰值9 094.04萬t?？梢婇L江經濟帶較全國而言農業碳減排力度更大，但長江經濟帶耕地碳排放絕對量仍占全國總量近40%，仍存在巨大的減排空間。

長江經濟帶與全國的耕地碳排放的空間分布態勢與聚集效應趨于一致。長江經濟帶耕地碳排放中、東部高，西部低，中下游地帶耕地碳排放明顯高于上游；全國范圍內耕地碳排放中部>東部>西部，河南、河北等農業大省主要集中于中部平原，且生產較為粗放，低碳減排意識較低，耕地碳排放量較高，其中河南作為中國耕地碳排放量最大的省份，2019年碳排放總量為801.48萬t。同時，長江經濟帶的耕地碳排放呈明顯的空間聚集性，但隨著時間推進空間關聯逐漸弱化，高-高聚集區分布于長江中下游地區，低-高聚集區分布于中游地區，低-低聚集區則主要分布于上游地區。與長江流域類似，全國耕地碳排放的高-高聚集區同樣分布在糧食大省，如山東、河南等地；全國低-高聚集區呈減少態勢，可見節能減排的區域聯動效應在不斷加強，但在長江經濟帶該類聚集區規模有所增加，表明長江經濟帶綠色農業的區域協同發展仍有待提升；全國低-低聚集區主要分布在農業經濟欠發達地區，如西藏、青海、寧夏等地，與長江經濟帶分布趨勢類似，該類地區可以適度提高當地的農作強度、改善農業結構，保證耕地碳排放不過量產出的同時促進農業經濟發展，維持區域內耕地碳排放低-低發展態勢；全國高-低聚集區主要分布于湖南、四川、廣東、廣西四省，多位于中西部地區且逐漸減少，與長江經濟帶的趨勢基本一致。

長江經濟帶與全國耕地碳排放影響因素的作用程度存在一定差異。長江經濟帶耕地碳排放的促進因素是農業經濟水平，抑制因素主要是農業生產效率，其次是農業生產結構，最后是農業勞動力規模。對全國而言，農業生產效率和農業勞動力規模同樣是兩個減排因素，農業經濟發展水平屬于增排因素，而農業產業結構則在東部屬于減排因素，在中西部屬于增排因素。主要原因是糧食作物的碳排放量高于經濟作物，而中國東部經濟發達，消費需求和農業技術相對較高，糧食作物的耕種比例下降而經濟作物比例升高，以河南、河北為首的中西部地區則以糧食種植為首，因此農業生產結構對于中西部地區而言反而成為增排要素。

參考文獻：

［1］ 董紅敏， 李玉娥， 陶秀萍，等. 中國農業源溫室氣體排放與減排技術對策［J］. 農業工程學報， 2008，24（10）： 269-273.

［2］ 孫軼男， 梁靜溪. 基于DEA效率模型的黑龍江省域低碳農業綜合評價研究［J］. 科技與管理， 2017， 19（6）： 39-45.

［3］ 熊子昕， 匡 兵， 柯 楠. 長江中游城市群耕地利用碳排放“總量——強度”的空間關聯特征［J］. 水土保持通報，2023， 43（3）：406-413.

［4］ 李伊涵， 李春華， 楊承楷. 基于交叉DEA的長江經濟帶農用地利用碳排放效率及影響因素研究［J］. 現代農業科技，2022（17）： 153-157.

［5］ 馬愛玲， 王建平， 談存峰. 甘肅省農業碳排放效率測算及提升對策研究［J］. 國土與自然資源研究， 2022（6）： 74-77.

［6］ 孫 康， 解 月， 贠鴻琬，等. 河南省種植業碳排放動態演化分析［J］. 安徽農業科學， 2023， 51（1）： 46-49， 54.

［7］ 文高輝， 胡冉再琪， 唐 璇，等. 洞庭湖區耕地利用碳排放與生態效率時空特征［J］. 生態經濟， 2022， 38（7）： 132-138.

［8］ 李 波， 張俊飚， 李海鵬. 中國農業碳排放時空特征及影響因素分解［J］. 中國人口·資源與環境， 2011， 21（8）： 80-86.

［9］ 田成詩， 陳 雨. 中國省際農業碳排放測算及低碳化水平評價——基于衍生指標與TOPSIS 法的運用［J］. 自然資源學報， 2021，36（2）： 395-410.

［10］ 蔣金荷. 中國碳排放量測算及影響因素分析［J］. 資源科學， 2011，33（4）： 597-604.

［11］ 唐健飛，劉劍玲. 省域農業可持續發展水平評價及其耦合協調分析——以長江經濟帶11省市為例［J］. 經濟地理，2022，? ? ? 42（12）：179-185.

［12］ 丁寶根， 趙 玉， 鄧俊紅. 中國農業碳排放的測度、脫鉤特征及驅動因素研究［J］. 中國農業資源與區劃， 2022， 43（5）： 1-11.

［13］ 伍國勇，孫小鈞，于福波，等. 中國種植業碳生產率空間關聯格局及影響因素分析［J］. 中國人口·資源與環境，2020，30（5）：46-57.

［14］ 何慧爽， 付幫杰. 我國糧食主產區農業碳排放測度與減排壓力研究［J］. 生態經濟， 2019， 35（11）： 99-104.

［15］ 王樹芬， 高冠龍， 李 偉，等. 2000—2020年山西省農業碳排放時空特征及趨勢預測［J］. 農業環境科學學報，2023， 42（8）：1882-1892.

［16］ 任 平，吳 濤，周介銘. 基于GIS和空間自相關模型的耕地空間分布格局及變化特征分析——以成都市龍泉驛區為例［J］. 中國生態農業學報， 2016， 24（3）： 325-334.

［17］ 聶 艷， 羅 毅， 于 婧，等. 基于空間自相關的湖北省耕地壓力時空演變特征［J］. 地域研究與開發， 2013， 32（1）： 112-116.

［18］ 呂 明， 黃 宜， 陳 蕊. 中國綠色農業區域差異性分析［J］. 農村經濟， 2022（12）： 78-87.

［19］ 韋彥汀， 李思佳， 張 華. 成渝城市群碳排放時空特征及其影響因素［J］. 中國環境科學， 2022， 42（10）： 4807-4816.

［20］ 劉麗娜， 王春妤， 袁子薇，等. 區域農業碳排放LMDI分解和脫鉤效應分析［J］. 統計與決策， 2019， 35（23）： 95-99.

［21］ 孟 軍，范婷婷. 黑龍江省農業碳排放動態變化影響因素分析［J］. 生態經濟， 2020， 36 （12）： 34-39.

［22］ 徐 玥， 王 輝， 韓秋鳳，等. 我國耕地碳排放時空特征與影響因素［J］. 江蘇農業科學， 2022， 50（16）： 218-226.

收稿日期：2023-06-05

基金項目：國家科技支撐計劃項目（2015BAD06B02）；大學生創新創業訓練計劃項目（2022102941100）

作者簡介：劉 璇（2001-），女，山東萊州人，2020級在讀本科生，土地資源管理專業，（電話）13210930830（電子信箱）1173891419@qq.com；通信作者，孫 燕（1978-），講師，碩士，主要從事耕地保護的研究工作，（電話）18901585532（電子信箱）suny@hhu.edu.cn。